Návrh vizualizace - Katastrofy a nehody 1998 - 2008
VIKBB47 | Vizualizace informací
374201 | Lukáš Strouhal
397476 | Jan Hrabal
Jaký problém má vizualizace osvětlit?
Naše datová vizualizace zobrazuje na mapě světa nejrůznější přírodní katastrofy a jiné větší
nehody nepřírodní povahy. Cílem je ve srozumitelné podobě předložit uživateli dataset, který obsahuje
údaje o jednotlivých událostech, a tyto údaje znázornit s pomocí přidané geografické hodnoty. Je tak
možné vysledovat, která místa na světě jsou postižena častěji či méně často určitým typem neštěstí a
zároveň se dozvědět, jaké události byly v minulosti svým rozsahem výjimečné oproti jiným.
Kde je zdroj dat?
Data pochází z otevřené mezinárodní databáze katastrof EMDAT, kterou tvoří Centre for
Research on the Epidemiology of Disasters (CRED) pod hlavičkou World Health Organization (WHO).
Zprostředkovaně jsme dataset našli pomocí služby Infochimps.
Jaké jsou v datech problémy?
Základní dataset jsme získali jako TSV soubor, se kterým jsme dál pracovali převážně v MS Excel
a Google Refine. Původně obsahuje přes 18000 záznamů - událostí od roku 1900 do roku 2008. Ke každé
události jsou uvedeny informace o časovém rozmezí trvání, zemi a místu, typu a upřesnění události
(případně i se jménem) a také o počtu zabitých, katastrofou ovlivněných a také o škodách. Množství
řádků nemělo kompletní popisy, chyběly například údaje o počtu zabitých nebo bližší geografický popis.
Rozhodli jsme se některé údaje ignorovat a dále s nimi nepracovat, konkrétně počet ovlivněných a
vyčíslení škod. Tyto sloupce byly v porovnání s ostatními nejčastěji prázdné.
Vzhledem k velikosti tabulky jsme se taky rozhodli pro další práci s omezeným datasetem a to pro
údaje, které označují události let 1998 ž 2008 - přes 8000 řádků.
Prvním problémem byla úprava časových údajů. Ty byly ve formátu celého čísla (např. 02041999
nebo 052004). Za pomocí funkcí v Excelu se nám podařilo z tohoto nepříjemného formátu, který často
nenesl kompletní informaci o přesném datu, dostat rozumnější vyjádření.
Hlavním problémem bylo získání zeměpisné polohy (délky a šířky), která je nutná pro správné
umístění události na mapu. Zprvu jsme využili online geocoder, využívající služeb Yahoo!, který vracel
souřadnice zadaného místa v textové podobě. Ty jsme následně sloučili s datasetem. Metoda se však
později ukázala jako znatelně chybová a umístění událostí na mapě nekorespondovalo se slovním popisem
z původního zdroje. Využili jsme tedy vlastního kódovacího mechanismu CartoDB, ovšem za cenu, že ne
všechna data nám úspěšně projdou až na mapu. Kromě těch, které z různých důvodů nebylo možné
rozpoznat (chybějící údaje, úplně špatně zapsaná poloha, neurčitá označení jako sever, jih a podobně.)
nám CartoDB menší část dat ignorovalo úplně - důvod se nepodařilo zjistit. Z původního datasetu zhruba
8000 dat je tedy na konci na mapě vizualizovaných zhruba 6.500-7000 událostí.
Ještě před samotným kódováním v mapovém softwaru jsme se pokusili pro zvýšení úspěšnosti
opravit údaje o poloze pomocí Google Refine - především překlepy, zkratky, jinak zapsané názvy těch
stejným měst, slova jako between a near nebo ujasnění polohy v případě, že je uvedeno více měst.
Proč ne holá data?
V případě takto rozsáhlého datasetu je práce pouze s vlastní tabulkou velmi chaotická a
nepřehledná. V momentě, kdy by chtěl uživatel najít informace o konkrétní události v konkrétním místě
nebo oblasti, může využít filtrování, ovšem získaná data neuvidí v souvislosti s daty ostatními. Stejně
tak geografická poloha vyjádřená slovem není vhodná pro snadné a rychlé pochopení reálné polohy.
Návrh vizualizace
Náš návrh vychází z možnosti vytvářet vlastní interaktivní mapy za pomocí služby CartoDB. V
zásadě zobrazuje nakódovaná místa událostí pomocí kružnic, které jsou schopny vyjádřit dva údaje barvu
(typ události) a poloměr (škálovaně počet mrtvých). Tohoto vzhledu jsme dosáhli úpravou CSS pro
naši mapu a pokusili se tak rozšířit běžnou klikací funkcionalitu. Kružnice jsou průhledné, aby zmírnily
problém, kdy je více událostí na jenom místě a plné body by se mohli úplně překrýt. Také (a nejen) proto
je mapa zoomovatelná. Po rozkliknutí události se objeví další údaje o konkrétním bodu.
Při realizaci nás napadlo několik dodatečných možností, jak návrh vylepšit, na které naše
schopnosti bohužel nestačily. Jednou z nich je možnost do mapy implementovat časovou osu, která by
umožnila zvolit si období, pro které chci události vidět, nebo si pustit postupné zobrazovaní tak, jak bude
na ose datum narůstat. Také by nebylo špatné, kdyby mapa obsahovala přepínače zobrazení podle typu
události, případně podle dalších charakteristik (třeba počet mrtvých od do a podobně). Samozřejmě je
možné do již existující mapy přidat zpočátku vynechané údaje od roku 1900. Nepřidali jsme je z důvodů
neznámého omezení nakódovaných dat od CartoDB (viz výše) a z důvodů přehlednosti - bez možnosti
filtrace či časové osy by mapa byla nejspíše příliš plná.
Příklad realizace: http://cdb.io/1c7oFpE